Tesi Robotica Algoritmi ed architetture per la risoluzione di... | Page 37

Capitolo

2

Feature detection and extraction
2.1

SIFT

Ora che abbiamo compreso l’importanza del concetto di descrittore (o feature)
di un’immagine e abbiamo acquisito alcuni concetti matematici utili, possediamo tutti gli strumenti per poter iniziare una trattazione esauriente di SIFT,
ricordo altresì che la rilevazione dei punti notevoli di un’immagine rappresenta
solamente una prima fase degli algoritmi di feature detection.
L’algoritmo SIFT rappresenta, come abbiamo già accennato, un metodo per
estrarre descrittori che siano distintivi e invarianti, che possano essere usati per
e ettuare un matching a dabile tra due viste del medesimo oggetto o scena.
L’algoritmo si compone delle seguenti fasi:
1. Individuazione delle extrema-location: il primo stadio della computazione, si cercano i punti notevoli all’interno di tutte le scale e locazioni
dell’immagine; viene calcolato e cacemente usando una funzione DoG
che identifica i punti di potenziale interesse, che sono invarianti rispetto
la riduzione in scala e all’orientamento.
2. Keypoint localization: viene eseguito un ulteriore filtraggio dei punti
candidati individuati dal DoG. Con un procedimento pensato dallo stesso
37